객체 탐지 및 분류의 맥락화

이 논문에서는 한 작업의 출력을 다른 작업의 맥락으로 활용하여 객체 분류와 탐지를 상호적으로 및 반복적으로 향상시키는 방법을 조사합니다. 먼저, 직관적인 특징 및 맥락의 연결이나 맥락을 이용한 후처리 대신, 맥락이 분류 하이퍼플레인을 동적으로 조정하는 책임을 지는 이른바 맥락화 지원 벡터 기계(Context-SVM)가 제안되며, 이로 인해 맥락 적응형 분류기가 얻어집니다. 다음으로, 반복적인 훈련 절차가 제시됩니다. 각 단계에서 Context-SVM은 한 작업(객체 분류 또는 탐지)의 출력 맥락과 연결되어 다른 작업의 성능을 향상시키기 위해 구현되며, 그 증대된 출력은 다시 Context-SVM을 통해 이전 작업을 향상시키는 데 사용됩니다. 제안된 솔루션은 PASCAL Visual Object Challenge (VOC) 2007과 2010의 객체 분류 및 탐지 작업에서 평가되며, 최첨단 성능을 달성합니다.